CN112821865B - 一种光伏电站低效设备快速定位方法 - Google Patents
一种光伏电站低效设备快速定位方法 Download PDFInfo
- Publication number
- CN112821865B CN112821865B CN202011622737.9A CN202011622737A CN112821865B CN 112821865 B CN112821865 B CN 112821865B CN 202011622737 A CN202011622737 A CN 202011622737A CN 112821865 B CN112821865 B CN 112821865B
- Authority
- CN
- China
- Prior art keywords
- equipment
- data
- photovoltaic power
- power station
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 34
- 239000006185 dispersion Substances 0.000 claims abstract description 28
- 238000010606 normalization Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims abstract description 4
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 230000002547 anomalous effect Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 31
- 230000002159 abnormal effect Effects 0.000 abstract description 2
- 238000001914 filtration Methods 0.000 abstract 1
- 230000007774 longterm Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 35
- 238000007689 inspection Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Abstract
本发明公开了一种光伏电站低效设备快速定位方法,包括:首先光伏电站的层级结构对其进行建模;对光伏电站的数据进行采集;对采集到的数据进行筛选,将长期不变和异常值的数据滤除;根据采集时段是否为晴朗白天或者采集数据的平均值是否大于计算阈值决定是否进行离散率和偏差率的计算;使用性能衰减函数和额定值对数据进行归一化处理;用归一化处理的数据计算其离散率和偏差率,若计算出的离散率和/或偏差率达到告警阈值,则对达到告警阈值的设备发出告警。本发明将性能衰减函数引入离散率和偏差率的计算过程中,具有告警准确度高、减少误报漏报的特点,降低了运维人员的工作量。
Description
技术领域
本发明涉及光伏电站监控领域,特别涉及一种光伏电站低效设备快速定位方法。
背景技术
随着化石能源的逐步枯竭,可再生能源在人类社会中扮演的角色越来越重。在可再生能源中,太阳能因为其相对较优的可预测性、稳定性和取之不竭、用之不尽的特点而更受到人们的青睐。加快发展太阳能发电,是解决能源问题的重要举措,随着国家的大力推广,我国的太阳能发电已经处于世界前列。
光伏电站的占地面积大、设备分布广、设备运行环境恶劣,导致设备容易发生损坏,同时光伏电站的设备品牌、型号、投运时长不统一,造成光伏电站的低效设备、故障设备定位困难。低效的光伏设备,轻则影响该设备自身的运行,重则会影响到整个光伏电站的发电效率,从而造成非常大的电能损失和经济损失。传统的光伏电站依靠着运维人员的点检和巡检发现损坏的地方。在此过程中,发现一个低效设备、故障设备花费的时间长,低效设备对光伏电站的效率影响持续时间长,对光伏电站的经济效益影响大。
虽然现有技术中有提出通过光伏电站的离散率进行统计的方案,但是都是针对支路电流的,没有考虑到设备品牌、型号间的差异以及设备的投运时长不同带来的性能衰减的影响,从而使得这些方法得到的数据误差较大,浪费了宝贵的人力资源对误报设备进行巡检。
如何快速地在整个光伏电站中对低效设备进行准确地定位,并提醒运维人员进行检修是非常关键的。
发明内容
本发明的目的在于提供一种光伏电站低效设备快速定位方法,以解决现有技术中存在的未考虑到设备品牌、型号间的差异以及设备投运时长不同带来的性能衰减的影响,导致数据误差较大,浪费人力资源的技术问题。
为实现上述目的,本发明采用如下技术方案:
一种光伏电站低效设备快速定位方法,包括:
按照光伏电站的层级结构对光伏电站进行建模,将光伏电站设备的不同信息进行关联,建立光伏电站设备的台账数据库,所述台账数据库包括设备投运时刻的额定容量和设备的性能衰减函数;
采集光伏电站设备的输出数据;
对采集到的数据进行筛选,去除不符合要求的数据;
判断采集时段是否为晴朗白天或者筛选后数据的平均值是否大于计算阈值,若是,则根据设备的性能衰减函数和额定容量对筛选后的数据进行归一化处理;
对归一化处理后的数据,计算其离散率和/或偏差率,若计算出的离散率和/或偏差率满足告警阈值条件,则对满足告警阈值条件的设备产生告警。
进一步地,所述光伏电站设备的输出数据包括光伏支路电流、汇流箱输出功率、逆变器输出功率或逆变器的转换效率。
进一步地,所述不符合要求的数据,包括:因为通讯中断而长期保持不动的数据和明显异常的数据。
进一步地,所述性能衰减函数为在同等的外在条件下,设备的输出参数相对于初始状态值的百分比与时间的函数。
进一步地,所述根据设备的性能衰减函数和额定容量对筛选后的数据进行归一化处理,包括:
对于所有的同一级设备需要计算的物理量x1,x2,...,xn,获取其对应的台账数据库里的投运时刻额定容量xe1,xe2,...,xen和投运时刻额定容量的最大值xemax,计算每个物理量归一化到投运时刻额定容量最大值的归一化值
将不同设备的投运时长代入该设备的性能衰减函数,将所述归一化值分别除以该设备的性能衰减函数,得到该设备当前值推算回初始状态的值:
其中f(t)为性能衰减函数,根据所属的设备类型、设备型号确定。
进一步地,所述偏差率的计算方法为:对于一组数据,计算其平均值,然后再用每个数据与平均值的差值除以平均值得到;
所述离散率的计算方法为:对于一组数据,计算该组数据的标准差和平均值,然后用标准差除以平均值得到离散率。
进一步地,按照光伏电站的层级结构计算同种类型的设备的偏差率和离散率,或者按照设备型号计算偏差率和离散率。
进一步地,在计算汇流箱和逆变器输出功率的离散率和/或偏差率时,采用设备投运时刻的最大额定输入功率作为归一化基准值,结合性能衰减函数进行计算。
进一步地,所述的一种光伏电站低效设备快速定位方法,还包括:若采集时段不是晴朗白天或者筛选后数据的平均值小于计算阈值,则不计算其离散率和/或偏差率。
进一步地,所述的一种光伏电站低效设备快速定位方法,还包括:若计算出的离散率和/或偏差率满足告警阈值条件,则在产生告警的同时将数据库中的告警标志位设置为真。
进一步地,所述的一种光伏电站低效设备快速定位方法,还包括:根据产生的告警巡检光伏电站设备,并根据巡检结果对告警阈值进行修正。
与现有技术相比,本发明所达到的有益技术效果:
1、通过引入按区域和按设备型号进行分类计算离散率和偏差率,使得离散率和偏差率的计算更加准确,避免了因为不同厂家、设备型号、光伏区域等因素导致的误差,能够更加准确地进行低效设备的告警;
2、通过按照层级结构对光伏电站的低效设备进行告警,能够帮助运维人员对低效设备的快速定位以快速排除故障;通过按照厂家型号对光伏电站的低效设备进行告警,可以帮助运维人员关注效率低下的品牌;
3、大大降低了运维人员巡检和点检的时间,有效地减轻了运维人员的工作量,提升了光伏电站企业的竞争能力。
附图说明
图1是光伏厂站的层次结构图;
图2是本发明的计算流程图。
具体实施方式
下面结合具体实施例对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如前所述,现有对光伏电站对低效设备的定位方法都是针对支路电流的,没有考虑到设备品牌、型号间的差异以及设备投运时长不同带来的性能衰减的影响,从而使得这些方法得到的数据误差较大,浪费了宝贵的人力资源对误报设备进行巡检。
为了解决上述问题,本发明实施例提供了一种光伏电站低效设备快速定位方法。如图2所述,所述方法具体包括:
(1)光伏电站建模
光伏电站的建模方法是按照光伏电站的层级结构对光伏电站设备的数据进行组织和收集。
光伏电站的层级结构一般是如下两种:
①光伏电站→光伏区→光伏子阵→逆变器(集中式逆变器)→直流汇流箱→支路;
②光伏电站→光伏区→光伏子阵→交流汇流箱→逆变器(组串式逆变器)→直流汇流箱→支路。
假设一个光伏电站的结构是光伏电站→光伏区→光伏子阵→逆变器(集中式逆变器)→直流汇流箱→支路,如图1所示,根据其结构特点,建立如表1所示的光伏电站数据表。
表1某个光伏电站的层级结构表
厂站 | 光伏区 | 光伏子阵 | 逆变器 | 汇流箱 | 光伏分支 |
厂站A | 1号光伏区 | 1号光伏子阵 | 1号逆变器 | 1号汇流箱 | 分支1 |
厂站A | 1号光伏区 | 1号光伏子阵 | 1号逆变器 | 1号汇流箱 | 分支2 |
厂站A | 1号光伏区 | 1号光伏子阵 | 1号逆变器 | 1号汇流箱 | 分支3 |
厂站A | 1号光伏区 | 1号光伏子阵 | 1号逆变器 | 1号汇流箱 | 分支4 |
厂站A | 1号光伏区 | 1号光伏子阵 | 1号逆变器 | 1号汇流箱 | 分支5 |
厂站A | 1号光伏区 | 1号光伏子阵 | 1号逆变器 | 2号汇流箱 | 分支6 |
厂站A | 1号光伏区 | 1号光伏子阵 | 1号逆变器 | 2号汇流箱 | 分支7 |
厂站A | 1号光伏区 | 1号光伏子阵 | 1号逆变器 | 2号汇流箱 | 分支8 |
厂站A | 1号光伏区 | 1号光伏子阵 | 1号逆变器 | 2号汇流箱 | 分支9 |
厂站A | 1号光伏区 | 1号光伏子阵 | 2号逆变器 | 3号汇流箱 | 分支10 |
厂站A | 1号光伏区 | 1号光伏子阵 | 2号逆变器 | 3号汇流箱 | 分支11 |
厂站A | 1号光伏区 | 1号光伏子阵 | 2号逆变器 | 3号汇流箱 | 分支12 |
厂站A | 1号光伏区 | 1号光伏子阵 | 2号逆变器 | 3号汇流箱 | 分支13 |
针对一个变电站而言,其不同类型的设备不一定都是相同的厂家提供,所以在建立数据库时,建立一对一、一对多、多对一、多对多这样的关系,并按照光伏电站的层级结构将这些数据组织起来。
在光伏电站建模时,需要建立光伏电站设备的台账数据库,如表2和表3所示,建立的台账数据库应包括设备的厂家、型号、额定容量和性能衰减函数,其中性能衰减函数指的是在同等的外在条件下,设备的输出参数(如电流、功率)相对于初始状态的百分比与时间的函数f(t)。
表2建立的设备台账表
设备名称 | 设备品牌 | 设备型号 | 设备投运时间 |
分支1 | 厂家A | A-GF-10 | 2018年6月28日 |
分支2 | 厂家A | A-GF-10 | 2018年6月28日 |
分支3 | 厂家A | A-GF-10 | 2019年1月30日 |
分支4 | 厂家A | A-GF-10 | 2019年1月30日 |
分支5 | 厂家A | A-GF-10 | 2019年1月30日 |
分支6 | 厂家B | B-GF-8 | 2018年12月20日 |
分支7 | 厂家B | B-GF-8 | 2018年12月20日 |
分支8 | 厂家B | B-GF-8 | 2019年4月29日 |
分支9 | 厂家B | B-GF-8 | 2019年4月29日 |
分支10 | 厂家A | A-GF-10 | 2018年6月28日 |
分支11 | 厂家A | A-GF-10 | 2018年6月28日 |
分支12 | 厂家B | B-GF-8 | 2019年4月29日 |
分支13 | 厂家B | B-GF-8 | 2019年4月29日 |
表3该厂站用的光伏分支设备的性能衰减函数
(2)光伏电站数据采集
光伏电站的数据采用特定的通讯协议上送到控制系统,控制系统将原始的数据进行收集和整理之后存入到数据库中或者直接映射到内存中。数据采集主要有两种技术手段:一种是通过光伏设备主动上送数据,另一种是光伏电站的控制系统依次查询设备数据。
针对一个光伏电站,需要采集的一般是逆变器、汇流箱、光伏支路这三类设备的电流、电压和功率等参数。更具体的,采集的数据可以包括:光伏支路电流、汇流箱输出功率、逆变器输出功率和逆变器的转换效率。
支路电流可以通过电流传感器进行获取;支路接到汇流箱上面之后,汇流箱可以输出所有支路对应的母线电压,除此之外有的汇流箱也可以直接输出整个汇流箱的功率和接入汇流箱的所有支路电流的和。逆变器的作用是将交流电转换为直流电,其可以直接输出有功功率、无功功率和功率因数等,也可以输出接入的所有汇流箱的电流的和以及汇流箱的母线电压。
下面主要以光伏电站的光伏分支来分析如何进行计算的。
光伏电站某个时刻采集的光伏分支的电流数据如表4所示。
表4光伏电站某个时刻采集的光伏分支的电流数据
(3)光伏电站数据筛选
光伏电站上送的数据可能存在错误的数据,将这些错误的数据代入计算则会产生较大的误差,干扰程序的正常运行。所以在后续的计算之前,必须要将这些数据滤除掉。这些数据主要分为两大类:一类是因为通讯中断而长期保持不动的数据,另一类是明显异常的数据,比如小于0的电流值和大于上限值的电流值等。
在本实施例中,步骤(2)采集到的数据没有长期保持不动的数据,也没有小于0和大于上限值的电流值,所以步骤(2)得到的数据可以用于后面的计算。
(4)根据采集时段是否为晴朗白天或者筛选后数据的平均值是否大于计算阈值,确定筛选后数据是否参与后续计算
光伏设备的发电电流和功率与其在一天中的时刻有很大关系,当进入夜晚或者阴雨天时,整个光伏电站的设备产生的电力和功率均是接近于零的,设备的统计的电流、功率的随机误差一般是固定的,则通过这时的数据计算得到的离散率和偏差率会产生较大的误差,所以有必要排除这一段时间计算得到的数值。
确定是否参与计算,主要有以下两种方法:
方法一是采用根据日期、时间和天气情况数据排除发电量较小的时间段;
方法二是当整个光伏电站的所有同型设备的平均值小于设定计算阈值时就不再参与后续的计算中。
在本实施例中,因为采集步骤(2)数据的时候是在晴朗的白天中午,且从数据可以看出,其平均电流值不是在0附近,所以需要进行下一步的计算。
(5)数据的归一化整理
因为设备的制造厂家的区别、型号的区别,设备投运时长不同导致设备性能衰减不同,所采集到的设备数据不能直接参与计算,而是首先要做归一化处理。
处理分为两步,首先是消除型号区别导致的差异,然后是消除设备投运时长不同所导致的差异。
具体步骤包括:
将所有的同一级设备需要计算的物理量x1,x2,...,xn,获取其台账数据库里面的投运时刻额定值xe1,xe2,...,xen和投运时刻额定值的最大值xemax,计算每个物理量归一化到投运时刻额定值最大值的归一化值这一步得到的值再用于修正因为设备投运时长不一致导致的性能衰减;
将设备当前时刻和投运时刻之间的时长t代入设备的衰减函数f(t),然后用这个设备的当前值除以f(t),得到的值就是该设备当前值推算回初始状态的值。设备的性能衰减函数是针对同一厂家、同一型号的设备而分别计算的。将上一步得到的数据除以这个性能衰减函数得到的数值即为如下的数值:
其中f(t)函数根据所属的设备类型、设备型号确定。
时间衰减函数f(t)在最开始可以由设备厂家提供,如果设备厂家没有提供这个函数,可以在最开始设置为常值函数,然后采用这个常值函数计算得到光伏电站的低效设备,然后根据同一厂家排除了低效设备之后的设备产生的平均值作为该函数的初始值,采用这些值作为拟合值进行拟合得到一个函数,或者采用当前时间的前几个周期的数值推算当前的衰减值。
在一个例子中,有的光伏设备厂家并不能提供性能衰减函数,则可以采用经过运维人员确认之后没有问题的同型设备的平均值作为数据,通过线性或者非线性的方式拟合出函数,然后通过拟合出来的函数推算未来时间内的设备性能衰减值,然后再用于设备的离散率和偏差率的计算并据此告警。
需要注意的是,针对汇流箱和逆变器而言,不能直接计算输出功率的离散率和偏差率,因为汇流箱和逆变器的输出功率和输入功率呈正相关,所以计算汇流箱和逆变器输出功率的离散率时必须采用投运时刻的最大额定输入功率作为归一化值基准值,然后考虑性能衰减函数之后才能进行离散率和偏差率的计算。针对逆变器而言,其输出功率和输入功率的比值,即转换效率在不同的负载率下是不一样的,所以还应当考虑到其在不同负载率下的转换效率函数g(x),该函数的输入参数为逆变器的负载率,即逆变器的输出功率和额定输出功率的比值。
在本实施例中,对步骤(4)的数据进行归一化处理的结果如下:
假设当前的时间是2020年2月12日,则根据投运时间可以得到这些设备的投运时长,如下表5和表6所示,通过步骤(1)的性能衰减函数表可以计算得到其性能衰减函数的值,如表5所示。
表5不同的光伏分支设备的性能衰减函数的当前值
设备名称 | 设备品牌 | 设备型号 | 设备投运时间 | 投运日距今 | 性能衰减函数的值 |
分支1 | 厂家A | A-GF-10 | 2018年6月28日 | 594天 | 0.8812 |
分支2 | 厂家A | A-GF-10 | 2018年6月28日 | 594天 | 0.8812 |
分支3 | 厂家A | A-GF-10 | 2019年1月30日 | 378天 | 0.9244 |
分支4 | 厂家A | A-GF-10 | 2019年1月30日 | 378天 | 0.9244 |
分支5 | 厂家A | A-GF-10 | 2019年1月30日 | 378天 | 0.9244 |
分支6 | 厂家B | B-GF-8 | 2018年12月20日 | 419天 | 0.92458 |
分支7 | 厂家B | B-GF-8 | 2018年12月20日 | 419天 | 0.92458 |
分支8 | 厂家B | B-GF-8 | 2019年4月29日 | 289天 | 0.94798 |
分支9 | 厂家B | B-GF-8 | 2019年4月29日 | 289天 | 0.94798 |
分支10 | 厂家A | A-GF-10 | 2018年6月28日 | 594天 | 0.8812 |
分支11 | 厂家A | A-GF-10 | 2018年6月28日 | 594天 | 0.8812 |
分支12 | 厂家B | B-GF-8 | 2019年4月29日 | 289天 | 0.94798 |
分支13 | 厂家B | B-GF-8 | 2019年4月29日 | 289天 | 0.94798 |
表6经过归一化计算之后的光伏分支的偏差率
(6)光伏电站设备的离散率和偏差率的计算
计算一组数据x1,x2,...,xn,其偏差率的计算方法如下:
然后再用每个数据与平均值的差值除以平均值即可得到偏差率,如下所示:
计算一组数据的离散率的方法如下:
首先计算着一组数据的标准差:
然后用标准差除以平均值得到离散率Vs,即
光伏电站设备的离散率和偏差率的计算可以按照两个方面来进行计算。一方面按照光伏电站的层次结构计算同种类型的设备的偏差率和离散率,因为在同一个层级下的设备其物理位置多属于同一片区域,所以通过这种方法计算的数值可以避免区域不同导致的影响,且层级结构清楚,便于提醒运维人员检修。另一方面是按照设备型号计算其偏差率和离散率,这样的话,可以获得不同品牌设备的离散率的区别,以提示运维人员重点关注离散率和偏差率较大的设备品牌。
在本实施例中,对于光伏分支,主要计算其偏差率,计算得到的偏差率如表6所示。
(7)光伏电站低效设备的告警
光伏电站低效设备告警的逻辑是当离散率和偏差率满足告警阈值条件时,通过软件产生图像、声音等类型的告警,并将数据库中的告警标志位设置为真。这样,当下次程序计算运行到此处时就不会频繁地产生告警了。当程序检测到设备的偏差率不满足告警阈值条件时,则通过图像、声音等提示设备已经恢复正常,同时将数据库里面的告警标志位设置为假。告警方式除了传统的通过控制系统进行提醒之外,还可以通过移动互联网进行提醒。
此处的告警阈值是动态变化的,可以根据设备的运行状态、以往的运行数据、所处的日期时间来进行动态调整的,通过这样的动态调整可以有效地提高阈值系统的准确性和有用性,避免固定阈值带来的误差大的问题。
光伏电站根据离散率和偏差率的告警除了在当前时刻进行比较之外,还可以和数据库里面存储的历史数据进行比较。这样可以给出设备的离散率和偏差率的变化曲线,运维人员可以对这些数据中发散的数据进行重点关注。
在本实施例中,根据步骤(6)计算得到的偏差率,假设此时设定的初始阈值为-0.1(即表示光伏分支经过归一化之后的电流值小于参与计算的设备的电流平均值的90%),则从表6中可以看出分支4和分支12达到了告警条件,此时需要通过告警提示运维人员注意,并将数据库中的告警标志位设置为真;这样,当下次程序循环运行到这儿时就不会频繁的产生告警了。告警内容示例如“分支4的归一化后的电流值小于其所属汇流箱的归一化后的平均电流的90%”或“分支4的归一化后的电流值偏差率小于-10%”。
(8)运维人员对光伏电站低效设备告警的评分
在运维人员根据系统提醒去巡检了设备之后,可以根据巡检结果来决定机器判断的是否准确。运维人员如果认为系统提醒完全准确可以输入准确度为100%,如果完全不准确,可以输入准确度为0%,其它准确度可以输入一个在0~100%之间的数值。后台系统得到运维人员反馈的数据之后,会根据这个数值调整阈值,如果输入的数值为100%,则认为之前的数据是正确的,将该阈值纳入正确计算库;如果输入的数值为0%,则认为之前的数据是错误的,则将该阈值进行修正。
例如,运维人员认为分支4的计算是准确的,则其数据不用改动;如果运维人员认为分支12的数据计算是有一定的准确度为70%,则在计算3号汇流箱的支路平均电流的时候可以按照加权平均值计算,支路12的权重为70%,其余的支路的权重为100%。这个修正方案只是一定的思路,运维人员也可以只在判断准确和判断错误之间打分,如果运维人员认为判断完全错误,则可以将该条支路的计算过程完全的展示出来,供运维人员核对数据。
除了运维人员对系统的告警进行评分之外,运维人员还可以输入系统没有告警,但是巡检过程中发现实际有问题的设备,阈值系统也会根据运维人员的输入情况进行修正。
由以上实施例可以看出,本发明充分采用层次结构的离散率和偏差率的计算,并且分型号计算离散率和偏差率,充分利用性能衰减函数对采集到的数值进行归一化,避免了较大的误差,同时通过运维人员的评分,对数据结果不断修正,可以有效地让阈值系统更加适应实际情况。
本发明通过引入按区域和按设备类型进行分类计算离散率和偏差率,使得离散率和偏差率的计算更加准确,避免了因为不同厂家、设备型号、光伏区域等因素导致的误差,能够更加准确地进行低效设备的告警;通过按照层级结构对光伏电站的低效设备进行告警,能够帮助运维人员对低效设备的快速定位以快速排除故障;通过按照厂家型号对光伏电站的低效设备进行告警,可以帮助运维人员关注效率低下的品牌;通过引入运维人员打分的阈值判断系统,使得判断的准确率得以提升;大大降低了运维人员巡检和点检的时间,有效地减轻了运维人员的工作量,提升了光伏电站企业的竞争能力。
以上已以较佳实施例公布了本发明,然其并非用以限制本发明,凡采取等同替换或等效变换的方案所获得的技术方案,均落在本发明的保护范围内。
Claims (9)
1.一种光伏电站低效设备快速定位方法,其特征在于,包括:
按照光伏电站的层级结构对光伏电站进行建模,将光伏电站设备的不同信息进行关联,建立光伏电站设备的台账数据库,所述台账数据库包括设备投运时刻的额定容量和设备的性能衰减函数;
采集光伏电站设备的输出数据;
对采集到的数据进行筛选,去除不符合要求的数据;
判断采集时段是否为晴朗白天或者筛选后数据的平均值是否大于计算阈值,若是,则根据设备的性能衰减函数和额定容量对筛选后的数据进行归一化处理;
对归一化处理后的数据,计算其离散率和/或偏差率,若计算出的离散率和/或偏差率满足告警阈值条件,则对满足告警阈值条件的设备产生告警;
其中,所述根据设备的性能衰减函数和额定容量对筛选后的数据进行归一化处理,包括:
对于所有的同一级设备需要计算的物理量x1,x2,...,xn,获取其对应的台账数据库里的投运时刻额定容量xe1,xe2,...,xen和投运时刻额定容量的最大值xemax,计算每个物理量归一化到投运时刻额定容量最大值的归一化值
将不同设备的投运时长代入该设备的性能衰减函数,将所述归一化值分别除以该设备的性能衰减函数,得到该设备当前值推算回初始状态的值:
其中f(t)为性能衰减函数,根据所属的设备类型、设备型号确定。
2.根据权利要求1所述的方法,其特征在于,所述光伏电站设备的输出数据包括光伏支路电流、汇流箱输出功率、逆变器输出功率或逆变器的转换效率。
3.根据权利要求1所述的方法,其特征在于,所述不符合要求的数据,包括:因为通讯中断而长期保持不动的数据和明显异常的数据。
4.根据权利要求1所述的方法,其特征在于,所述性能衰减函数为在同等的外在条件下,设备的输出参数相对于初始状态值的百分比与时间的函数。
5.根据权利要求1所述的方法,其特征在于,所述偏差率的计算方法为:对于一组数据,计算其平均值,然后再用每个数据与平均值的差值除以平均值得到;
所述离散率的计算方法为:对于一组数据,计算该组数据的标准差和平均值,然后用标准差除以平均值得到离散率。
6.根据权利要求5所述的方法,其特征在于,按照光伏电站的层级结构计算同种类型的设备的偏差率和离散率,或者按照设备型号计算偏差率和离散率。
7.根据权利要求2所述的方法,其特征在于,在计算汇流箱和逆变器输出功率的离散率和/或偏差率时,采用设备投运时刻的最大额定输入功率作为归一化基准值,结合性能衰减函数进行计算。
8.根据权利要求1所述的方法,其特征在于,还包括:若计算出的离散率和/或偏差率满足告警阈值条件,则在产生告警的同时将数据库中的告警标志位设置为真。
9.根据权利要求1所述的方法,其特征在于,还包括:根据产生的告警巡检光伏电站设备,并根据巡检结果对告警阈值进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011622737.9A CN112821865B (zh) | 2020-12-30 | 2020-12-30 | 一种光伏电站低效设备快速定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011622737.9A CN112821865B (zh) | 2020-12-30 | 2020-12-30 | 一种光伏电站低效设备快速定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112821865A CN112821865A (zh) | 2021-05-18 |
CN112821865B true CN112821865B (zh) | 2022-03-29 |
Family
ID=75854840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011622737.9A Active CN112821865B (zh) | 2020-12-30 | 2020-12-30 | 一种光伏电站低效设备快速定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112821865B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113949343A (zh) * | 2021-08-31 | 2022-01-18 | 隆基光伏科技(上海)有限公司 | 光伏发电设备的检测方法、装置、电子设备及存储介质 |
CN113809986B (zh) * | 2021-11-17 | 2022-02-15 | 浙江正泰智维能源服务有限公司 | 一种低效逆变器确定方法、装置、设备及可读存储介质 |
CN115811278B (zh) * | 2023-02-07 | 2023-04-18 | 佰聆数据股份有限公司 | 基于离散率的分布式光伏故障检测方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1898226A2 (en) * | 2006-09-06 | 2008-03-12 | Mitsubishi Heavy Industries, Ltd. | Method of manufacturing solar cell panel |
CN106295698A (zh) * | 2016-08-11 | 2017-01-04 | 南京国电南自电网自动化有限公司 | 一种基于分层kpi相似度的智能光伏电站故障诊断方法 |
CN109034220A (zh) * | 2018-07-13 | 2018-12-18 | 福州大学 | 一种基于最优旋转森林的智能光伏阵列故障诊断方法 |
CN110544039A (zh) * | 2019-09-06 | 2019-12-06 | 阳光电源股份有限公司 | 一种光伏组串的阴影遮挡识别方法及装置 |
-
2020
- 2020-12-30 CN CN202011622737.9A patent/CN112821865B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1898226A2 (en) * | 2006-09-06 | 2008-03-12 | Mitsubishi Heavy Industries, Ltd. | Method of manufacturing solar cell panel |
CN106295698A (zh) * | 2016-08-11 | 2017-01-04 | 南京国电南自电网自动化有限公司 | 一种基于分层kpi相似度的智能光伏电站故障诊断方法 |
CN109034220A (zh) * | 2018-07-13 | 2018-12-18 | 福州大学 | 一种基于最优旋转森林的智能光伏阵列故障诊断方法 |
CN110544039A (zh) * | 2019-09-06 | 2019-12-06 | 阳光电源股份有限公司 | 一种光伏组串的阴影遮挡识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112821865A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112821865B (zh) | 一种光伏电站低效设备快速定位方法 | |
CN105375878B (zh) | 一种在线检测和评估光伏系统效率的方法 | |
CN102684207B (zh) | 基于改进人工鱼群混合优化算法的大规模风电并网无功电压优化方法 | |
CN103955777B (zh) | 光伏发电接入配电网方案设计与分析评估辅助系统 | |
CN102521080B (zh) | 一种电力用户用电信息采集系统的计算机数据修复方法 | |
CN111614317B (zh) | 一种基于iv曲线扫描的光伏板阴影遮挡的诊断方法 | |
CN103440531A (zh) | 计及风电场风机运行状态的风电场短期风电功率预测系统 | |
CN115514318B (zh) | 一种光伏电站监控系统 | |
CN108448721A (zh) | 电力系统主站监控信号与标准信号自动匹配的方法 | |
CN116169731A (zh) | 一种主动配电网两时间尺度电压控制方法 | |
CN111817299A (zh) | 基于模糊推理的配电台区线损率异常成因智能辨识方法 | |
CN113011477B (zh) | 一种太阳辐照数据的清洗和补全系统及方法 | |
CN111799798B (zh) | 一种提高未来态潮流计算结果准确性的方法及系统 | |
CN111130100B (zh) | 考虑新能源不确定性的日内计划安全稳定校核方法及系统 | |
CN112782495A (zh) | 一种光伏电站的组串异常识别方法 | |
CN108599233B (zh) | 一种含分布式电源的配电网接纳容量确定方法和装置 | |
CN110990424A (zh) | 基于新能源集控系统的光伏逆变器运行状态分析方法 | |
CN105846433B (zh) | 一种基于间歇性分布式电源波动的配电网暂态分析方法 | |
CN101739408A (zh) | 一种基于半导体测试数据的数据处理方法 | |
CN114069712A (zh) | 基于滚动调整的新能源发电优化调度系统 | |
CN114139744A (zh) | 异常光伏组串支路识别方法、装置、电子设备及存储介质 | |
CN113904344A (zh) | 光储联合一次调频控制方法、装置、设备和存储介质 | |
CN114039886A (zh) | 基于四分差和自相关性分析的数据正确性辨识方法及装置 | |
CN111027816A (zh) | 一种基于数据包络分析的光伏发电效率计算方法 | |
CN111401689A (zh) | 光伏场站降雪日期的确定方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |